3. 传统滑模速度控制器设计：基于指数趋近律的滑模速度环设计、仿真验证

好，咱们进入正题。这一节我来讲讲传统滑模速度控制器怎么设计。说白了，就是用指数趋近律来构造滑模速度环。这个思路在工程里很常见，我个人也特别喜欢用，因为它简单、有效，而且调参比较直观。

3.1 为什么选指数趋近律？

滑模控制的核心，就是让系统状态跑到一个预设的滑模面上，然后沿着这个面滑到平衡点。但问题来了——怎么让状态“跑过去”？这就是趋近律要干的事。

常见的趋近律有好几种：等速趋近律、指数趋近律、幂次趋近律等等。我个人习惯用指数趋近律，原因有两个：

• 收敛快：指数项能让状态快速逼近滑模面
• 抖振小：配合等速项，可以在接近滑模面时降低切换增益

你想想看，如果只用等速趋近律，那状态靠近滑模面时速度不变，容易产生大幅抖振。指数趋近律就不一样了——远处跑得快，近处慢下来，这个特性在实际项目中非常实用。

3.2 滑模速度环设计步骤

好，咱们一步步来。设计滑模速度控制器，我一般分四步走：

3.2.1 建立速度环数学模型

永磁同步电机的机械运动方程是这样的：

J·dω/dt = Te - TL - B·ω

其中 ω 是机械角速度，Te 是电磁转矩，TL 是负载转矩，J 是转动惯量，B 是阻尼系数。

嗯，这里要注意：我们通常把负载转矩 TL 当作外部扰动来处理。在实际项目中，TL 往往是未知的，这也是为什么后面要引入扰动观测器的原因。

3.2.2 定义滑模面

滑模面怎么选？对于速度控制，最常用的就是线性滑模面：

s = ω_ref - ω

说白了，就是速度误差。当 s = 0 时，实际速度就等于给定速度。

我曾经在一个伺服项目里试过积分滑模面，效果也不错，但参数整定比较麻烦。对于大多数工业应用，线性滑模面已经够用了。

3.2.3 设计控制律

根据指数趋近律，我们可以推导出控制律。具体推导过程我就不展开了，直接给结果：

Te_ref = J·(dω_ref/dt + ε·sgn(s) + k·s) + B·ω + TL_hat

这里 TL_hat 是负载转矩的估计值。如果没有扰动观测器，可以忽略这一项，但控制精度会受影响。

3.2.4 处理抖振问题

滑模控制最大的痛点就是抖振。sgn(s) 函数在零点附近会高频切换，导致转矩脉动。怎么解决？

我常用的方法是用饱和函数 sat(s) 代替 sgn(s)：

sat(s) = s/δ，当 |s| ≤ δ
sat(s) = sgn(s)，当 |s| > δ

δ 是边界层厚度。δ 越大，抖振越小，但控制精度会下降。这是个 trade-off，需要根据实际需求来平衡。

3.3 仿真验证

理论说完了，咱们来跑个仿真看看效果。我用 MATLAB/Simulink 搭了个模型，参数如下：

参数	数值	单位
转动惯量 J	0.001	kg·m²
阻尼系数 B	0.001	N·m·s/rad
指数项系数 k	50	-
等速项系数 ε	0.5	-
边界层厚度 δ	0.02	-

3.3.1 仿真条件

• 给定速度：1000 rpm
• 空载启动，0.5s 时突加 0.5 N·m 负载
• 仿真时长：1s

3.3.2 核心代码

这是滑模控制器的核心代码片段：

function Te_ref = smc_controller(omega_ref, omega, domega_ref_dt, J, B, epsilon, k, delta)
    % 计算速度误差
    s = omega_ref - omega;
    
    % 饱和函数
    if abs(s) <= delta
        sat_s = s / delta;
    else
        sat_s = sign(s);
    end
    
    % 控制律
    Te_ref = J * (domega_ref_dt + epsilon * sat_s + k * s) + B * omega;
end

3.3.3 仿真结果分析

跑完仿真，我看到了几个关键现象：

1. 启动阶段：速度快速上升，约 0.05s 到达给定值，没有超调
2. 突加负载：0.5s 加负载后，速度跌落约 20 rpm，0.02s 内恢复
3. 稳态精度：稳态时速度波动约 ±2 rpm，抖振控制得不错

说实话，这个结果比我预想的要好。尤其是突加负载后的恢复速度，比传统 PI 控制器快了不少。但我也注意到一个问题——在负载突变瞬间，转矩指令有一个尖峰，这在实际系统中可能会引起机械冲击。

3.4 设计要点总结

最后，我把自己踩过的坑和心得整理一下：

• 参数整定顺序：先调 k（指数项），再调 ε（等速项），最后调 δ（边界层）
• 注意积分饱和：如果用了积分滑模面，一定要加抗饱和处理
• 离散化影响：实际代码中，采样频率要足够高，否则滑模效果会大打折扣
• 负载观测器：如果负载变化频繁，建议配合扰动观测器使用，效果会更好

嗯，这一节就到这里。下一节我会讲怎么把扰动观测器加进来，让系统性能再上一个台阶。